Application of experimental data based on Taguchi approach to optimize machining parameters of Al6061T6 to reduce cutting forces and moments

封面

如何引用文章

全文:

详细

The requirements for the quality and accuracy of manufactured products are constantly increasing. Reliability, durability, and accuracy of machine operation largely depend on the quality of surface treatment. Study on the cutting process, in particular milling, makes it possible to find out the operating conditions of the cutting tool, determine the acting cutting forces, torques, vibrations and temperatures on it. Along with studying the influence of various parameters on the milling process, it is necessary to pay special attention to establishing the nature and degree of influence of the cutting condition (cutting speed, depth of cut and feed rate). In this paper milling operation of Al6061-T6 was performed in a dry condition. The effects of cutting parameters on cutting forces and moments in different directions and around various axes were studied. By applying Taguchi technique and performing experiments, it was shown that cutting force was significantly affected by feed rate followed by rotational speed and cutting depth. Cutting moment is mainly influenced by feed rate, cutting depth, and rotational speed. Moreover, feed rate is the most effective factor on minimizing cutting forces and moments. Finally, the optimum cutting parameters was revealed to get a minimum cutting forces and moments.

作者简介

Kazem Reza Kashyzadeh

RUDN University

Email: reza-kashizade-ka@rudn.ru
ORCID iD: 0000-0003-0552-9950

Candidate of Technical Sciences, Professor, Department of Transport, Academy of Engineering

Moscow, Russian Federation

Siamak Ghorbani

RUDN University

编辑信件的主要联系方式.
Email: gorbani-s@rudn.ru
ORCID iD: 0000-0003-0251-3144

Candidate of Technical Sciences, Associate Professor, Department of Mechanical Engineering Technologies, Academy of Engineering

Moscow, Russian Federation

Marianna Malkova

RUDN University

Email: malkova-myu@rudn.ru
ORCID iD: 0000-0002-6939-1658

Doctor of Technical Sciences, Professor, Department of Mechanical Engineering Technologies, Academy of Engineering

Moscow, Russian Federation

参考

  1. Wan M, Ma YC, Feng J, Zhang WH. Study of static and dynamic ploughing mechanisms by establishing generalized model with static milling forces. International Journal of Mechanical Sciences. 2016;114:120-131. https://doi.org/10.1016/j.ijmecsci.2016.05.010
  2. Kuttolamadom M, Hamzehlouia S, Mears L. Effect of machining feed on surface roughness in cutting 6061 aluminum. SAE International Journal of Materials and Manufacturing. 2010;3(1):108-119. https://doi.org/ 10.4271/2010-01-0218
  3. Pham TH, Mac TB, Tong VC, Banh TL, Nguyen DT. A study on the cutting force and chip shrinkage coefficient in high-speed milling of A6061 aluminum alloy. The International Journal of Advanced Manufacturing Technology. 2018;98(1-4):177-188. https://doi.org/10.1007/s00170-017-1063-x
  4. Elssawi Y, Guofu D, Shengfeng Q. Prediction of cutting force and surface roughness using Taguchi technique for aluminum alloy AA6061. Australian Journal of Mechanical Engineering. 2016;14(3):151-160. https://doi.org/10.1080/14484846.2015.1093220
  5. Dudzik K. Mechanical properties of 5083, 5059 and 7020 aluminium alloys and their joints welded by MIG. Journal of KONES Powertrain and Transport. 2011;18(3):73-77.
  6. Zaghbani I, Songmene V. A force-temperature model including a constitutive law for dry high speed milling of aluminium alloys. Journal of Materials Processing Technology. 2009;209(5);2532-2544. https://doi.org/10.1016/j.jmatprotec.2008.05.050
  7. Fuh KH, Chang HY. An accuracy model for the peripheral milling of aluminum alloys using response surface design. Journal of Materials Processing Technology. 1997;72(1):42-47. https://doi.org/10.1016/S09240136(97)00127-1
  8. Manna A, Bhattacharyya B. A study on different tooling systems during machining of Al/SiC-MMC. Journal of Materials Processing Technology. 2003; 123(3):476 https://doi.org/10.1016/S0924-0136(02)00127-9
  9. Yousefi R, Ichida Y. A study on ultra-high-speed cutting of aluminium alloy: formation of welded metal on the secondary cutting edge of the tool and its effects on the quality of finished surface. Precis. Eng. Journal of the International Societies for Precision Engineering and Nanotechnology. 2000;24(4):371-376. https://doi.org/10.1016/s0141-6359(00)00048-9
  10. Nur R, Kurniawan D, Noordin MY, Izman S. Optimizing power consumption for sustainable dry turning of treated aluminum alloy. Procedia Manufacturing. 2015;2:558-562. https://doi.org/10.1016/j.pro mfg.2015.07.096
  11. Larbi S, Djebali S, Bilek A. Study of high speed machining by using split Hopkinson pressure bar. Procedia Engineering. 2015;114:314-321. https://doi.org/ 10.1016/j.proeng.2015.08.074
  12. Ng CK, Melkote SN, Rahman M, Senthil KA. Experimental study of microand nano-scale cutting of aluminum 7075-T6. International Journal of Machine Tools and Manufacture. 2006;46(9):929-936. https://doi.org/10.1016/j.ijmachtools.2005.08.004
  13. Campatelli G, Scippa A. Prediction of Milling Cutting Force Coefficients for Aluminum 6082-T4. Procedia CIRP. 2012.1:563-568. https://doi.org/10.1016/ j.procir.2012.04.100
  14. Zatarain M, Bediaga I, Munoa J, Lizarralde R. Stability of milling processes with continuous spindle speed variation: Analysis in the frequency and time domains, and experimental correlation. CIRP Annals - Manufacturing Technology. 2008;57:379-384. https://doi.org/10.1016/j.cirp.2008.03.067
  15. Tsai MY, Chang SY, Hung JP, Wang CC. Investigation of milling cutting forces and cutting coefficient for aluminum 6060-T6. Computers & Electrical Engineering. 2015;51:320-330. https://doi.org/10.1016/j.compeleceng.2015.09.016
  16. Stepan G, Dombovari Z, Munoa J. Identification of cutting force characteristics based on chatter experiments. CIRP Annals - Manufacturing Technology. 2011; 60(1):113-116. https://doi.org/10.1016/j.cirp.2011.03.100
  17. Irene DS, Asuncion R, Antonio JG. Effects of machining parameters on the quality in machining of aluminium alloys thin plates. Metals. 2019;9:927. https://doi.org/10.3390/met9090927
  18. Ko DH, Ko DC, Lim HJ, Kim BM. Application of QFA coupled with CFD analysis to predict the hardness of T6 heat treated Al6061 cylinder. Journal of Mechanical Science and Technology. 2013;27(9):2839-2844. https://doi.org/10.1007/s12206-013-0732-4
  19. Maleki E, Unal O, Kashyzadeh KR. Efficiency analysis of shot peening parameters on variations of hardness, grain size and residual stress via Taguchi approach. Metals and Materials International. 2019;25(6):1436 https://doi.org/10.1007/s12540-019-00290-7
  20. Farrahi GH, Kashyzadeh KR, Minaei M, Sharifpour A, Riazi S. Analysis of resistance spot welding process parameters effect on the weld quality of three-steel sheets used in automotive industry: Experimental and finite element simulation. International Journal of Engineering. 2020;33(1):148-157. https://doi.org/10.5829/IJE.2020.33.01A.17
  21. Kashyzadeh KR, Ghorbani S, Forouzanmehr M. Effects of drying temperature and aggregate shape on the concrete compressive strength: Experiment and Data mining techniques. International Journal of Engineering. 2020;33(9):1780-1791. https://doi.org/10.5829/ije.2020.33. 09c.12
  22. Ghorbani S, Ghorbani S, Kashyzadeh KR. Taguchi Approach and Response Surface Analysis for Design of a High-performance Single-walled Carbon Nanotube Bundle Interconnects in a Full Adder. International Journal of Engineering. 2020;33(8):1598-1607. https://doi.org/10.5829/IJE.2020.33.08B.18
  23. Reza Kashyzadeh K, Mousavi Bafrouyi SMS, Khorsandijou SM. Effects of road roughness, aerodynamics, and weather conditions on automotive wheel force. International Journal of Engineering. 2021;34(2): 536-546. https://doi.org/10.5829/IJE.2021.34.02B.27

补充文件

附件文件
动作
1. JATS XML
下载

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».